Filter
ChatGPT TwitterMonitor: Niet PVV, maar PvdA betaalt de prijs
In samenwerking met Frankwatching zal ik de komende tijd namens onderzoeksbureau DamKam de politieke ontwikkelingen nauwlettend volgen. Niet met peilingen, daar zijn er al genoeg van, maar met behulp van een TwitterMonitor; een analyse op basis van tweets over de politiek. Vandaag presenteren we de resultaten van de eerste ‘TwitterMonitor Politiek’; over de hectische maand april, waarin het kabinet na wekenlang praten in het Catshuis viel en alsnog een begrotingsakkoord bereikte dankzij de Kunduz-coalitie.
Twitter als bron voor social media research
Wat voor gevoel leeft er onder de kiezers? Waarom stemt iemand bijvoorbeeld PVV? Of SP en geen PvdA? Om daar een goed beeld van te krijgen, brengen we het sentiment op Twitter onder de Nederlandse bevolking in kaart. Waarom Twitter? Omdat Nederland met ruim 5 miljoen accounts tot de meest actieve Twitterlanden ter wereld behoort. Twitter is daarmee een rijke, schier onuitputtelijke bron voor social media research.
Spontane respons
Is Twitteronderzoek betrouwbaar en representatief? Die vraag krijg ik regelmatig. Het antwoord: jazeker, juist door de spontane respons op sociale media is er sprake van betrouwbare data. De data zijn immers niet verkregen in een afgeschermde omgeving met vragen zoals in veel online panels. De tweets zijn juist heel spontaan verstuurd, zonder dat iemand een politieke correcte vraag stelde. En omdat de 5,2 miljoen Twitteraccounts in Nederland verdeeld zijn over alle lagen van de bevolking en leeftijdsgroepen én er ruim 300.000 tweets zijn onderzocht, is het onderzoek representatief.
Beleving en emoties
Semantische analyse
In semantische analyses wordt gemeten hoe vaak woorden, die te maken hebben met de onderzochte thema’s, voorkomen. Alle data zijn verdeeld in 3 periodes: kabinet Rutte, de val van het kabinet en het begrotingsakkoord. Om de data overzichtelijk te houden zijn de partijen in blokken verdeeld; de coalitie, gedoogpartner PVV, Kunduz-trio D66, GL, CU en de PvdA/SP.
De onderlinge verschuivingen op de gemeten categorieën zijn goed zichtbaar. Bedenk wel: deze uitslag is niet gebaseerd op politiek handelen in Den Haag, maar op de perceptie van de kiezers op Twitter.
Negatieve emoties: eerst PVV, dan PvdA & SP
De PVV scoort van 1 april tot 25 april (zie grafiek 1 en 2) het hoogst op negatieve emoties, verdriet en boosheid. Na het Kunduz-akkoord (grafiek 3) gaan PvdA/SP daar ruim overheen, met name wat betreft verdriet en boosheid. Daar tegenover staat het Kunduz-trio met de hoogste scores op economie, werk/inkomen en positieve emoties.
Sentimentanalyse
Naast een semantische analyse is er voor deze eerste ‘TwitterMonitor Politiek’ ook een sentimentanalyse uitgevoerd. Een beproefde onderzoeksmethode, waaruit blijkt hoe mensen denken over partijen. De sentimentscore is het percentage positieve tweets minus het percentage negatieve tweets. Deze score is voor alle partijen berekend en in de drie periodes de verschuivingen per partij in kaart gebracht.
Meest opvallende uitkomsten
- Hoewel vaak anders is beweerd, hebben VVD en CDA géén schade opgelopen door de val van hun kabinet. Integendeel: het sentiment van de regeringspartijen steeg flink na het verrassende akkoord met het Kunduz-trio.
- Vooral het CDA schiet omhoog: van -3 % naar + 7%. Van Haersma Buma wordt in tweets die CDA bevatten vaker genoemd dan De Jager. Opvallend, omdat de minister na de val van het kabinet van fractiekamer naar fractiekamer scharrelde en in de media ook de credits kreeg voor het akkoord.
- ChristenUnie haalt het hoogste sentiment. Het is zelfs verdubbeld na het begrotingsakkoord (+ 14 %). Slob scoort dus, hij wordt ook veel genoemd in tweets. Meest voorkomende termen: ‘trots’, ‘goed’ en ‘verantwoordelijkheid nemen’.
- D66 schiet omhoog na de val van het kabinet (+9%) en zakt een procent terug na het akkoord.
- GroenLinks daalt. Tot 20 april had GL het hoogste positieve sentiment maar de partij zakt terug na de kabinetscrisis.
- De linkse partijen zitten in april in de hoek waar de klappen vallen: SP valt terug na het akkoord, maar netto veel minder dan de PvdA, omdat het positieve sentiment van SP steeg, terwijl dat van de PvdA gelijk bleef.
- Grootste verliezer is de PvdA. Het sentiment stijgt flink nadat het kabinet klapt (+11 %), maar schiet in de min na het akkoord waar Samsom niet aan meedoet. Meest voorkomende termen in tweets: ‘boot/kans gemist’, ‘alleen’, ‘jammer’, ‘verliest’ en ‘boos’. De laatste term komt mede door een ironische tweet die heel vaak is doorgestuurd:
Conclusie: wie breekt, betaalt?
De veelgehoorde term ‘Wie breekt, betaalt’ blijkt niet te kloppen: Geert Wilders verliet na 7 moeizame weken het Catshuisberaad en trok de stekker uit het kabinet, maar zijn partij is niet verder in sentiment gedaald. Sterker nog, de PVV is iets gestegen. Het negatieve sentiment komt omdat de PVV tot 26 april vooral ‘scoorde’ op negatieve emoties, verdriet en boosheid. Daar gaan SP en PvdA na het Kunduz-akkoord echter ruim overheen. Met het verschil dat het sentiment bij SP minder sterk daalt dan bij de PvdA. Conclusie: niet ‘breker’ PVV, maar de PvdA betaalt de prijs in de ogen van twitterend Nederland.
Samenstelling nieuwe kabinet
Tenslotte kijken we vast vooruit naar de verkiezingen: welke combinaties zijn er mogelijk in september? Niet op basis van voorspelde zetels, dat laten we graag aan Maurice de Hond over, maar op basis van onderzochte thema’s in de 300.000 tweets. Het gaat om relatieve verschillen tussen de gemeten thema’s. Het verschil tussen de coalitie en Kunduz-trio in de periode Begrotingsakkoord staat als ijkpunt op 1.
De partijcombinaties laten zien dat de coalitie en het Kunduz-trio na het akkoord dicht bij elkaar liggen, de liefde tussen PVV en de coalitie over is en de afstand tussen PvdA/SP versus de Kunduz-partijen flink is gestegen na het akkoord. Uit eerder onderzoek is bekend dat partijen, die dicht bij elkaar staan in deze analyses, ook in het politieke leven dicht bij elkaar staan.
We zullen zien wat er gebeurt. Ondertussen houden wij op Twitter de vinger aan de pols.
Over de auteur
